基于草图监督的可控抽取式对话摘要
计算与语言
2021-06-04 v2 人工智能
摘要
本文旨在提升抽取式对话摘要质量,同时实现粒度控制。我们的模型包含两个主要组件与阶段:1) 两阶段生成策略,先生成初步摘要草图作为最终摘要的基础。该摘要草图以伪标注的疑问代词类别和使用成分句法分析器提取的关键短语形式提供弱监督信号。2) 一种控制最终摘要粒度的简单策略,即我们的模型可通过预测并高亮源文本中不同文本跨度,自动确定或控制给定对话所生成摘要句的数量。我们的模型在最大的对话摘要语料库 SAMSum 上取得了最先进性能,ROUGE-L 分数高达 50.79。此外,我们开展了案例研究,并展示了具有竞争力的人类评估结果以及与人工标注摘要相当的可控性。
引用
@article{arxiv.2105.14064,
title = {Controllable Abstractive Dialogue Summarization with Sketch Supervision},
author = {Chien-Sheng Wu and Linqing Liu and Wenhao Liu and Pontus Stenetorp and Caiming Xiong},
journal= {arXiv preprint arXiv:2105.14064},
year = {2021}
}
备注
ACL-Findings 2021. Code is released at https://github.com/salesforce/ConvSumm